Введение
Вид квадратной матрицы в линейной алгебре. В линейной алгебре матрица Гессенберга — это особый вид квадратной матрицы, которая "почти" треугольная. Точнее, верхняя матрица Гессенберга имеет нулевые элементы ниже первой поддиагонали, а нижняя матрица Гессенберга — нулевые элементы выше первой наддиагонали. Они названы в честь Карла Гессенберга. Разложение Гессенберга — это представление матрицы в виде произведения унитарной матрицы и матрицы Гессенберга, таких что , где обозначает сопряжённо-транспонированную матрицу.
In linear algebra, a Hessenberg matrix is a special kind of square matrix, one that is "almost" triangular. To be exact, an upper Hessenberg matrix has zero entries below the first subdiagonal, and a lower Hessenberg matrix has zero entries above the first superdiagonal. They are named after Karl Hessenberg. A Hessenberg decomposition is a matrix decomposition of a matrix into a unitary matrix and a Hessenberg matrix such that where denotes the conjugate transpose.
Матрица Верхнего Гессенберга
Квадратная матрица называется матрицей в верхней форме Гессенберга или верхней матрицей Гессенберга, если для всех с . Матрица в верхней форме Гессенберга называется нередуцированной, если все субдиагональные элементы ненулевые, то есть если для всех .
An upper Hessenberg matrix is called unreduced if all subdiagonal entries are nonzero, i. e. if for all .
Матрица Нижнего Гессенберга
Квадратная матрица называется матрицей нижнего Гессенберга, если её транспонирование является матрицей верхнего Гессенберга, или, что эквивалентно, если для всех с .
A lower Hessenberg matrix is called unreduced if all superdiagonal entries are nonzero, i. e. if for all .
Матрица нижнего Гессенберга называется нередуцированной, если все наддиагональные элементы ненулевые, то есть если для всех .
A lower Hessenberg matrix is called unreduced if all superdiagonal entries are nonzero, i. e. if for all .
Примеры
Рассмотрим следующие матрицы. Матрица является верхней нередуцированной матрицей Гессенберга, матрица — нижней нередуцированной матрицей Гессенберга, а матрица — нижней матрицей Гессенберга, но не является нередуцированной.
Компьютерное программирование
Многие алгоритмы линейной алгебры требуют значительно меньше вычислительных затрат при применении к треугольным матрицам, и это преимущество часто сохраняется и для матриц Гессенберга. Если ограничения задачи линейной алгебры не позволяют удобно привести общую матрицу к треугольному виду, то приведение к форме Гессенберга часто является следующим лучшим вариантом. Фактически, любую матрицу можно привести к форме Гессенберга за конечное число шагов (например, с помощью преобразования Хаусхолдера, представляющего собой унитарное преобразование подобия). Последующее приведение матрицы Гессенберга к треугольному виду можно осуществить итеративными методами, такими как QR-факторизация со сдвигом. В алгоритмах вычисления собственных значений матрицу Гессенберга можно дополнительно привести к треугольному виду с помощью QR-факторизации со сдвигом в сочетании с шагами дефляции. Приведение общей матрицы к матрице Гессенберга, а затем к треугольной, вместо непосредственного приведения общей матрицы к треугольной, часто позволяет сократить объем арифметических операций, связанных с QR-алгоритмом для задач на собственные значения.
Трансформации домовладельцев
Любую матрицу можно преобразовать в матрицу Гессенберга посредством преобразования подобия с использованием преобразований Хаусхолдера. Следующий алгоритм такого преобразования адаптирован из книги «Второй курс линейной алгебры» Гарсии и Роджера. Пусть – любая вещественная или комплексная матрица, тогда пусть – подматрица , полученная удалением первой строки, а – первый столбец . Построим матрицу Хаусхолдера , где
Эта матрица Хаусхолдера отображает в , и, следовательно, блочная матрица отображает матрицу в матрицу, которая имеет только нули ниже второго элемента первого столбца. Теперь построим матрицу Хаусхолдера аналогичным образом, чтобы она отображала первый столбец в , где – подматрица , полученная удалением первой строки и первого столбца из , а затем пусть она отображает в матрицу, которая имеет только нули ниже первого и второго элементов побочной диагонали. Теперь построим и затем аналогичным образом, но для матрицы, полученной удалением первой строки и первого столбца из , и продолжим, как в предыдущих шагах. Продолжайте так в течение всего шагов. По построению, первые столбцов любой матрицы инвариантны относительно умножения справа на . Следовательно, любую матрицу можно преобразовать в верхнюю матрицу Гессенберга посредством преобразования подобия вида .
Свойства
Для пустого множества это тривиально верно, что каждая матрица является одновременно верхней гессенберговой и нижней гессенберговой. Произведение гессенберговой матрицы с треугольной матрицей снова является гессенберговой. Более точно, если матрица является верхней гессенберговой, а другая – верхней треугольной, то их произведение будет верхней гессенберговой. Матрица, которая является одновременно верхней и нижней гессенберговой, называется тридиагональной матрицей, важным примером которой является матрица Якоби. Это относится и к симметричным или эрмитовым гессенберговым матрицам. Эрмитова матрица может быть приведена к тридиагональному виду с использованием вещественных симметричных матриц.
Оператор из Гессенберга
Оператор Гессенберга — бесконечномерная матрица Гессенберга. Он часто возникает как обобщение оператора Якоби к системе ортогональных полиномов для пространства квадратично интегрируемых голоморфных функций над некоторой областью, то есть пространства Бергмана. В этом случае оператор Гессенберга является оператором правого сдвига, определяемым как… Собственные значения каждой главной подматрицы оператора Гессенберга задаются характеристическим полиномом для этой подматрицы. Эти полиномы называются полиномами Бергмана и образуют ортогональный полиномиальный базис пространства Бергмана.
The eigenvalues of each principal submatrix of the Hessenberg operator are given by the characteristic polynomial for that submatrix. These polynomials are called the Bergman polynomials, and provide an orthogonal polynomial basis for Bergman space.